跳到正文
原文
arXiv · Image and Video Processing· Ioana-Sabina Stoian, Florinel-Alin Croitoru, Vlad Hondru 等 6 人
· 22 小时前

MADJEPA:用于医学异常检测的增强多阶段联合嵌入预测架构

MADJEPA: Enhanced Multi-Stage Joint-Embedding Predictive Architecture for Medical Anomaly Detection

预印本 · 尚未经过同行评审

AI 导读

MADJEPA在六个医学影像数据集上检测异常,三个数据集排名第一。

摘要 · AI 翻译

医学图像中的异常检测是一项复杂的任务,需要仅使用健康患者数据来开发一个稳健的模型。在无法获得标注数据的情况下,现代方法通常采用自监督学习来获得正常性模型。由于世界模型有望构建其环境的强大内部表征,我们将其视为医学异常检测环境的合适候选者,即对健康患者的医学检查。为此,我们提出了 MADJEPA,一种基于增强型多阶段联合嵌入预测架构(JEPA)的医学异常检测器。我们设计了一个多阶段训练流程以产生稳健的检测器:(1)基于图像的 JEPA(I-JEPA)训练旨在学习正常训练数据的强表征;(2)目标编码器蒸馏旨在调节 I-JEPA 表征对异常数据的过度泛化;(3)伪异常分类旨在通过学习正常数据流形周围的紧致边界来校准异常预测。为展示我们的设计,我们在涵盖多种医学图像领域(例如 MRI、OCT、X 射线、组织病理学)的六个数据集上开展了全面实验,将我们的 MADJEPA 与众多最先进方法进行比较。结果表明,我们精心设计的世界模型 MADJEPA 取得了有竞争力的结果,在三个数据集上排名第一。我们的消融研究进一步证实了每个训练阶段的效用,表明仅靠 I-JEPA 不足以在医学异常检测中获得有竞争力的结果。我们在 https://github.com/Sabina085/madjepa 公开了我们的代码。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Image and Video Processing · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。